牛阮霞　宋瑞　毛麗娟

［摘? ? 要］信任是連接共享住宿房源供給方和需求方并促成交易達成的關鍵因素。文章基于信任建立模型，嘗試探究供給方——共享住宿平臺房東的信任建立機制，考察影響房東信任建立的主要因素及房東信任對其持續(xù)使用共享住宿平臺這一行為意愿的影響。研究結(jié)果表明：平臺因素中的安全保障、隱私保護、平臺服務、感知易用性、感知有用性顯著正向影響房東對平臺的信任；房東因素中的熟悉度并未顯著影響房東對平臺的信任；房客因素中的互動性和房客的聲譽顯著正向影響房東對房客的信任；房東對平臺的信任可轉(zhuǎn)移到對房客的信任；房東對平臺的信任和對房客的信任顯著正向影響房東持續(xù)使用平臺的意愿；信任中介了信任影響因素（制度因素、技術因素、認知因素、情感因素）與房東持續(xù)使用平臺意愿之間的關系。文章在理論上深化和拓展了共享住宿房東信任研究，并為共享住宿平臺管理提供了啟示。

［關鍵詞］共享住宿；房東；信任建立模型；信任建立機制

［中圖分類號］F59

［文獻標識碼］A

［文章編號］1002-5006（2023）08-0062-15

DOI： 10.19765/j.cnki.1002-5006.2023.08.010

引言

近年來，隨著互聯(lián)網(wǎng)技術的普及應用和個性化消費的日漸盛行，共享住宿得以快速發(fā)展。作為對傳統(tǒng)住宿業(yè)的顛覆性創(chuàng)新，共享住宿通過第三方平臺將擁有自有或租賃住宅的房東與有意愿購買短期住宿產(chǎn)品的房客對接起來，并為其提供在線交易服務。根據(jù)房東主體的不同，共享住宿包含P2P（peer to peer）、B2C（business to consumer）以及C2B2C（consumer to business to consumer）等交易模式[1]。國內(nèi)共享住宿市場以P2P模式為主，其房源數(shù)量與市場規(guī)模占比接近80%[1]，本文重點關注P2P模式下出租自有房源的個人房東。在該模式下，共享住宿產(chǎn)品的交付需要房東將珍貴的個人房產(chǎn)分享給陌生房客，房客也將入住陌生人——房東所提供的房屋[2]，并與房東進行線上和線下互動。這一過程的發(fā)生有賴于雙方對彼此信任的建立。因此，在傳統(tǒng)上崇尚熟人社交而現(xiàn)代社會信任機制尚不健全的中國，共享住宿平臺須盡力消除在線消費環(huán)境中普遍存在的諸多障礙（如信息不對稱、缺乏可視化物理形態(tài)等）[3]，并設法在作為陌生人的房東和房客以及二者與平臺之間建立起信任關系。2022年5月，Airbnb宣布暫時退出中國大陸市場，引起業(yè)內(nèi)外廣泛關注，其退出固然涉及各種復雜因素，但從長期來看，本土化不足導致的房源量增長緩慢確在一定程度上制約了其競爭力。數(shù)據(jù)顯示，截至2021年底，途家房源數(shù)量230萬套，木鳥民宿房源數(shù)量135萬套，而Airbnb房源數(shù)量只有15萬套1。Airbnb退出中國大陸市場之后，途家、小豬民宿、美團民宿等平臺紛紛推出系列舉措吸引Airbnb房東入駐?？梢?，目前房源量仍是衡量共享住宿平臺發(fā)展水平的重要指標之一，如何建立房東信任、吸引更多房東對共享住宿平臺而言至關重要。

對于共享住宿領域的信任問題，已有不少學者給予關注。相關文獻多從需求方視角出發(fā)，分析共享住宿平臺房客信任的影響因素以及信任對房客購買意愿的影響，研究結(jié)果為共享住宿平臺如何促進房客信任建立提供了借鑒。實際上，作為典型的雙邊市場，共享住宿平臺的發(fā)展依賴供需雙方的共同參與，供給方——房東的信任研究同樣值得關注。隨著共享住宿行業(yè)競爭的加劇，越來越多的共享住宿平臺意識到吸引更多房東、增加房源供應量是持續(xù)發(fā)展的關鍵所在[4]。然而，對于房東而言，要將貴重的家庭資產(chǎn)和自己的生活空間分享給陌生人居住，存在較大風險。也就是說，與傳統(tǒng)電子商務市場供應商相比，共享住宿的房東要“讓陌生人住進家”通常面臨更多額外風險，如隱私泄露、物品被盜、房源遭受破壞等。事實證明，感知風險的增加會加劇房東的不信任感，而這正是阻礙房東參與共享住宿的主要因素之一[5]。因此，從供給方視角探究共享住宿中房東的信任建立機制尤為重要。

本文借助在線消費信任研究中使用較為普遍的信任建立模型（trust building model，TBM），并充分考慮共享住宿的特征——買賣雙方交互性極強，因此，房東信任建立機制更為復雜——對其加以拓展。具體而言，本文以信任建立模型為基礎，按照“信任影響因素-信任-行為意愿”這一邏輯主線，通過引入房東因素（熟悉度）和房客因素（聲譽、感知相似性、互動性）對原模型加以拓展來分析影響房東信任建立的主要因素及其對持續(xù)使用平臺意愿的影響。為分析房東信任建立的內(nèi)在機理，本文進一步對房東信任的轉(zhuǎn)移以及房東信任在信任影響因素和持續(xù)使用平臺意愿之間的中介作用予以檢驗。

1 文獻綜述

1.1 電子商務中的信任研究

基于信任在促進交易中的重要性，學者們分別從社會學、心理學、經(jīng)濟學、管理學等視角進行了深入研究[6]。Mayer等首次提出組織信任整合模型。在該模型中，信任被定義為“無論控制或監(jiān)督受托人的能力如何，委托人都預期受托人將執(zhí)行對委托人而言重要的特定行為，從而容忍受托人可能導致的傷害行為的程度”[7]。隨著互聯(lián)網(wǎng)技術的發(fā)展，交易渠道逐漸由線下轉(zhuǎn)移到線上。在線交易環(huán)境中，由于買賣雙方之間存在時空距離，交易過程中的不確定性和感知風險較大，信任問題成為制約買賣雙方交易的主要因素之一[8]。為此，研究者主要從以下3個方面對電子商務中的信任問題進行探究。

首先，多數(shù)學者從需求方視角研究信任問題。研究內(nèi)容集中在消費者對平臺和網(wǎng)絡供應商信任的影響因素及其作用結(jié)果。其中，消費者對平臺信任的影響因素主要包括第三方支付服務[9-10]、隱私和安全披露政策[9]、平臺認證[9]、網(wǎng)站質(zhì)量[8，11]等。消費者對網(wǎng)絡供應商信任的影響因素主要包括反饋機制[8，10]、供應商聲譽[8]、退貨政策[9]等。消費者在對平臺和網(wǎng)絡供應商建立信任的基礎上，會產(chǎn)生一系列行為意愿，如保存網(wǎng)站主頁[9]、采納供應商建議[8]、提供個人信息[8-9]、購買產(chǎn)品或服務[10，12-13]的意愿等。此外，消費者信任也會對實際購買行為產(chǎn)生影響。例如Pavlou和Gefen通過對亞馬遜在線拍賣網(wǎng)站消費者的跟蹤調(diào)查發(fā)現(xiàn)，消費者信任對實際的交易行為有積極影響[10]。

其次，部分學者從供給方視角研究信任問題。研究內(nèi)容集中在供給方對平臺信任的影響因素及信任的作用結(jié)果。Kang等[14]、Kim等[15]的研究發(fā)現(xiàn)，平臺認證、第三方印章、內(nèi)部動機、外部動機等正向影響了眾籌網(wǎng)站投資人對平臺的信任。滴滴平臺的反饋機制、司機保護機制和糾紛解決機制正向影響了司機對平臺的信任[16]。信任的作用結(jié)果包括投資人投資眾籌項目的意愿[14-15]和供給方參與平臺的意愿[16]等。

最后，少數(shù)學者從供需雙方視角探討信任問題。研究內(nèi)容集中在供需雙方關系對信任的影響。例如在B2B情境中，完全依賴會對企業(yè)雙方的相互信任形成正向影響，而依賴不對稱的影響則因企業(yè)性質(zhì)的不同而有所差別[17]。在C2C情境下，信息互動和情感互動可促進成員間的相互信任[18]。

1.2 共享住宿中的信任研究

在傳統(tǒng)電子商務情境中，交易雙方以線上互動為主。在共享住宿情境中，買賣雙方既有預訂時的線上互動，也有入住時的線下互動[19-20]。高交互性增加了用戶的感知風險和不確定性。因此，近年來國內(nèi)外學術界開始從兩個方面關注共享住宿中的信任問題。

一是關于房客信任的研究。鑒于房客購買行為對共享住宿平臺持續(xù)經(jīng)營的重要性，現(xiàn)有文獻多從房客視角出發(fā)，探討影響其信任的各種因素。這些因素主要涉及共享住宿平臺和房東兩個方面。就平臺方面而言，主要包含制度因素和技術因素。共享住宿平臺提供的制度涉及保險保障[21]、隱私保護[22]、損失補償[23]、第三方信用體系的引入[24]等，而技術因素則是指房客對共享住宿平臺網(wǎng)站質(zhì)量的感知。例如Yang等[19]、石巋然等[25]的研究指出，房客在使用共享住宿網(wǎng)站時感知到的有用性、易用性、安全性正向影響房客對平臺的信任。就房東方面而言，主要包括聲譽因素、情感因素和視覺因素。房東獲得的聲譽評價越正面，房客的感知風險和不確定性程度越低，從而越易對房東產(chǎn)生信任[20]。情感因素更多地與買賣雙方之間的互動聯(lián)系在一起，房東和房客之間積極有效的互動方式可增加雙方的親密度和情感紐帶，從而有助于信任的建立[19，26]。Ert等[27]、Ert和Fleischer[28]的研究揭示了視覺因素對可信度的影響，結(jié)果顯示，房東個人照片中的面部表情、性別、年齡、是否與他人合影、照片質(zhì)量等均會顯著影響房客對房東的感知信任。

二是關于房東信任的研究。與相對豐碩的房客信任研究相比，現(xiàn)有文獻對房東信任問題尚未有充分關注。目前，僅有少數(shù)國外學者從房東視角探討共享住宿中的信任問題。Mittendorf最早關注到這一問題，并在2016年的一篇文章中證實，熟悉度和信任傾向是影響房東信任的主要因素，房東信任會直接影響房東在Airbnb上出租房源以及接受預訂請求的意愿[29]。之后，Wang等以Airbnb為例，研究了社會價值取向、社會效用、金錢獎勵、系統(tǒng)質(zhì)量、信息質(zhì)量和隱私保護等因素對房東信任的影響[4]。

1.3 研究述評

綜上，由于共享住宿平臺信任關系的多主體和交互性特征，現(xiàn)有研究分別從需求方和供給方視角探究了共享住宿中的信任問題。房客視角下，基于“住進陌生人家里”的風險擔憂，國外學者主要關注共享住宿平臺的安全保障機制以及房東視覺信息和非視覺信息的影響，國內(nèi)學者更關注平臺的制度保障和網(wǎng)站質(zhì)量，對房東因素的關注較少。房東視角下，基于“讓陌生人住進家”的風險擔憂，國外學者主要探究了經(jīng)濟因素、社會因素以及技術因素對房東信任的影響，國內(nèi)研究尚未涉及。

總體來看，現(xiàn)有研究還存在一些局限。首先，對房東視角關注不足。僅有兩篇國外論文初步探索了Airbnb房東的信任問題?？紤]到共享住宿是典型的雙邊市場以及房東參與共享住宿的重要性，有必要進一步拓展房東視角的研究。其次，缺乏中國情境研究。由于不同國家社會信用體系建設進程存在差異，對“共享經(jīng)濟”的理解也有所不同，共享住宿平臺的房東行為可能呈現(xiàn)出不同特征。因此，有必要研究中國情境下共享住宿平臺房東信任的建立。最后，對房東信任建立機制的研究不足。在影響房東信任的前因變量中，已有研究探討了共享住宿平臺的隱私保護、網(wǎng)站質(zhì)量等因素的影響，對房東因素以及房客因素的影響探討不足。此外，已有研究將房東信任視作一維變量，對雙邊市場中房東信任的層次性，以及房東信任在共享住宿平臺和房客之間的轉(zhuǎn)移研究不足。

2 理論基礎與研究假設

2.1 信任建立模型

由McKnight等提出的信任建立模型認為，消費者對網(wǎng)絡供應商信任的建立遵循“信任的前因變量-信任-信任的行為變量”這一邏輯，即前因變量在促進消費者信任建立的基礎上，會使消費者產(chǎn)生一系列行為[8]。其中，信任的前因變量有結(jié)構(gòu)保障、對網(wǎng)絡供應商聲譽和網(wǎng)站質(zhì)量的感知。信任由依賴網(wǎng)絡供應商的意愿和對網(wǎng)絡供應商的信任兩個變量組成。消費者在綜合權(quán)衡對網(wǎng)絡供應商的信任和感知風險的基礎上，產(chǎn)生采納網(wǎng)絡供應商建議、與網(wǎng)絡供應商共享個人信息、購買網(wǎng)絡供應商產(chǎn)品或服務等一系列行為意愿。

目前，信任建立模型被廣泛應用于B2C在線購物網(wǎng)站[12-13]、證券網(wǎng)站[30]、眾籌網(wǎng)站[31]中消費者對網(wǎng)站和交易另一方的信任建立過程。近年來，隨著共享住宿的興起以及信任在促進買賣雙方交易中重要性的提升，信任建立模型在共享住宿中的應用逐漸增多。例如Yang等以信任建立模型為框架構(gòu)建了Airbnb房客的“信任-依戀”模型，探究了認知因素和情感因素如何影響房客對Airbnb平臺和房東的信任和依戀，進而對其持續(xù)使用平臺的意愿產(chǎn)生影響 [19]。Mao等以信任建立模型為基礎，研究了網(wǎng)站社會臨場感、感知隱私、感知安全等因素是如何通過建立信任進而對Airbnb房客持續(xù)使用平臺的意愿產(chǎn)生影響[22]。上述研究驗證了信任建立模型在共享住宿情境中的適用性。因此，使用此模型探討共享住宿平臺房東的信任建立機制具有合理性。

2.2 研究假設

在應用信任建立模型分析時，我們注意到，該模型是在傳統(tǒng)電子商務情境下提出的，而共享住宿既具有傳統(tǒng)電子商務的典型特征，也具有P2P交易的新特征。因此，本文依據(jù)信任建立模型“信任的前因變量-信任-信任的行為變量”的邏輯框架，結(jié)合共享住宿的特征，構(gòu)建共享住宿房東信任建立機制研究框架（圖1）。其中，信任的前因變量包含平臺因素、房東因素和房客因素三大類。平臺因素中的制度因素和技術因素是基于信任建立模型提出的。信任建立模型中的結(jié)構(gòu)保障是指共享住宿平臺為保證交易環(huán)境的相對安全而提供的制度保障措施，本文特指制度因素，包括安全保障、隱私保護、平臺服務3個變量。信任建立模型中的網(wǎng)站質(zhì)量是指房東對共享住宿平臺提供的技術支持的感知，本文特指技術因素，包含感知易用性和感知有用性兩個變量。房東因素和房客因素則是考慮到共享住宿平臺買賣雙方的交互性特征由本文筆者提出的，是對信任建立模型的拓展。其中，房東因素是指房東對共享住宿平臺的熟悉度，房客因素包含基于認知的聲譽和感知相似性變量，以及基于情感的互動性變量。此外，考慮到房東信任對象的雙重性，本文中的信任包含兩個變量，分別是房東對共享住宿平臺的信任以及房東對房客的信任。信任的行為變量是指房東持續(xù)使用共享住宿平臺的意愿。

2.2.1? ? 基于信任建立模型的假設

（1）制度因素對平臺信任的影響

制度因素對信任的影響是指委托人認為已具備有利的條件保證交易環(huán)境的相對安全，從而對受托人完成期望行為可靠性的評估過程 [32]。電子商務市場中，買賣雙方需要與網(wǎng)絡中未知的另一方進行交易，交易過程中的不確定性和感知風險較大[21]。因此，作為連接買賣雙方的中介平臺往往通過第三方印章、信用卡擔保、保險覆蓋、隱私協(xié)議等方式降低交易風險，為用戶營造可信賴的交易環(huán)境，并促進在線交易[31]。本文中，制度因素是指共享住宿平臺的制度保障措施，如安全保障、隱私保護、平臺服務等。

安全保障是指共享住宿平臺通過制定保障措施為房東提供安全可靠的交易環(huán)境。已有研究表明，共享住宿平臺可通過提供保障金、保險賠償?shù)劝踩Ｕ洗胧┨嵘脩粜湃蝃21-23]。隱私保護是指共享住宿平臺的隱私政策對房東個人信息免遭未經(jīng)授權(quán)的使用或披露的保護[33]。Kim等的研究表明，隱私保護有助于降低用戶的感知風險，并通過增加可信度促進在線交易的發(fā)生[33]。Wang等通過對Airbnb房東的調(diào)查發(fā)現(xiàn)，共享住宿平臺隱私政策的感知有效性正向影響房東對平臺的信任[4]。平臺服務是指共享住宿平臺對房東提供的總體服務支持。Wang等的研究發(fā)現(xiàn)，共享住宿平臺的服務質(zhì)量正向影響房東對平臺的信任[4]。

由是，本文提出如下假設：

H1：制度因素正向影響房東對平臺的信任

H1a～H1c：安全保障、隱私保護、平臺服務正向影響房東對平臺的信任

（2）技術因素對平臺信任的影響

技術因素是指房東對共享住宿平臺所提供的技術支持的感知。根據(jù)技術接受模型，用戶的兩種認知信念——感知易用性和感知有用性影響用戶使用技術的態(tài)度[34]。本文中，感知易用性是指房東認為通過共享住宿平臺的技術支持系統(tǒng)學會在平臺上出租房屋的難易程度。研究表明，感知易用性會對信任產(chǎn)生積極影響[35-37]。感知有用性是指房東認為通過使用共享住宿平臺的技術支持系統(tǒng)可以提高其房源出租效率的程度。Gefen和Straub認為，用戶所感知的網(wǎng)站有用性越高，越有助于降低感知風險和不確定性，從而增加對網(wǎng)站的信任[35]。

由是，本文提出如下假設：

H2：技術因素正向影響房東對平臺的信任

H2a～H2b：感知易用性、感知有用性正向影響房東對平臺的信任

（3）信任對房東持續(xù)使用平臺意愿的影響

房東對平臺和房客的信任通過降低不確定性和感知風險，在一定程度上可增加房東在共享住宿平臺上出租房屋的意愿[10]。信任的這一作用機制在理性行為理論[11]和信任建立模型[8]中均有體現(xiàn)。具體來講，房東對平臺的信任意味著房東相信平臺已經(jīng)建立了有效機制來保護其免受意外事件的傷害[4]；房東對房客的信任意味著房東在主觀上排除了所信任對象的不良投機行為，從而使其對不確定性和風險的感知降低到可控水平，并產(chǎn)生一系列行為意愿[7，11，29]。已有少數(shù)學者關注到共享住宿情境中信任對房東持續(xù)使用平臺意愿的影響。Mittendorf的研究表明，房東對Airbnb平臺和房客的信任顯著正向影響房東在Airbnb上出租房源和接受預訂請求的意愿[29]。Wang等也證實了房東對共享住宿平臺的信任正向影響房東持續(xù)使用平臺的意愿[4]。

由是，本文提出如下假設：

H3：房東對平臺的信任正向影響房東持續(xù)使用平臺的意愿

H4：房東對房客的信任正向影響房東持續(xù)使用平臺的意愿

2.2.2? ? 信任建立模型拓展后的假設

信任建立模型更多關注平臺因素對房東信任的影響，而共享住宿中的信任關系具有多主體、多層次和交互性特點[3]?？紤]到共享住宿情境下房東和房客高交互性特征，本文在信任建立模型的基礎上，引入房東因素（熟悉度）和房客因素（聲譽、感知相似性、互動性）作為前因變量，探討其對房東信任的影響，從而充分反映共享住宿信任關系特征。

（1）經(jīng)驗因素對平臺信任的影響

經(jīng)驗因素對信任的影響是指委托人通過在與受托人的重復交互中累積的經(jīng)驗或知識，而對受托人的信任水平進行評估的過程[8]。本文中，經(jīng)驗因素特指熟悉度，即房東對共享住宿平臺網(wǎng)站界面、功能、服務、交易流程等的了解程度。已有研究證實，熟悉度影響信任的建立[33，38-39]。在共享住宿情境中，房東通過與共享住宿平臺一次次的交互形成對平臺的信任。若房東在初次使用共享住宿平臺過程中獲得了良好體驗，則通常會重復使用該平臺，對其更加熟悉，進而促使房東對平臺未來履行義務的期望增加，由此產(chǎn)生信任。Mittendorf通過對Airbnb平臺189名房東的調(diào)查研究證實了這一點，即房東對Airbnb平臺越熟悉，對平臺的信任度越高[29]。

由是，本文提出如下假設：

H5：熟悉度正向影響房東對平臺的信任

（2）認知因素對房客信任的影響

認知因素對信任的影響是指委托人對受托人是否具有可信任屬性的理性預期[40]。Lewis和Weigert認為，委托人選擇在何種情況、在哪些方面信任受托人，是基于委托人是否找到了對方值得信任的證據(jù)[41]，這種證據(jù)建立在對受托人的過去表現(xiàn)、專業(yè)知識和其他可用線索的理性判斷基礎上[42]。本研究中，認知因素包含房客聲譽和感知相似性。

聲譽是一種公眾輿論，它代表一個群體對一個實體或個人特征的集體評價[27]。Wu等的研究表明，在P2P市場中，用戶的評論內(nèi)容或其他評價指標所形成的聲譽質(zhì)量，是影響買賣雙方信任建立的關鍵因素[26]。在共享住宿情境中，房客的聲譽質(zhì)量通常通過其他房東對房客的在線評論內(nèi)容和數(shù)量傳遞給未來房東。聲譽質(zhì)量越高，說明房客在以往入住過程中的行為表現(xiàn)越好，從而有助于減輕未來房東與房客交易時的感知風險和不確定性，增強房東對房客的信任。

感知相似性是指委托人對受托人是否具有和自己相似的興趣、價值觀、人口特征等的感知[43]。相關文獻表明，個體之間的感知相似性對信任的建立和發(fā)展產(chǎn)生積極影響[43-44]。Lamberton和Rose的研究發(fā)現(xiàn)，感知相似性可喚起房東對房客的積極正面認知，從而減少對交易風險的擔憂，增強房東對房客的信任[45]。Edelman等通過一項針對Airbnb的實驗研究發(fā)現(xiàn)，相較于非裔美國人的房客，白人房東更傾向于接待白人房客[46]。Su和Mattila通過對Airbnb用戶的調(diào)查發(fā)現(xiàn)，房東和房客性別的一致性影響雙方信任的建立，這在女性消費者群體中表現(xiàn)得尤為突出[47]。

由是，本文提出如下假設：

H6：認知因素正向影響房東對房客的信任

H6a～H6b：房客的聲譽、感知相似性正向影響房東對房客的信任

（3）情感因素對房客信任的影響

情感因素對信任的影響是指委托人對受托人是否具有可信任屬性的情感評估[48]。認知因素對信任的影響建立在對受托人的過去表現(xiàn)、專業(yè)知識和其他可用線索的理性判斷基礎之上，與其不同的是，情感因素對信任的影響則更多地建立在雙方互動體驗過程中所產(chǎn)生的情感信念基礎上[49]。在共享住宿情境中，房東和房客會有多階段的互動體驗，買賣雙方之間的互動對信任的影響已在相關文獻中得到證實。例如Yang等通過對Airbnb用戶的調(diào)查發(fā)現(xiàn)，房東和房客之間通過頻繁的溝通和信息交流形成的良性互動，顯著影響了房客對房東情感信任的建立[19]。Lu等指出，當房東采用更具親和力的個人風格與房客互動時，房客對房東的信任度會增加[50]。

由是，本文提出如下假設：

H7：互動性正向影響房東對房客的信任

2.2.3? ? 房東對平臺的信任對房東對房客信任的影響

在共享住宿情境中，房東是在與平臺和潛在房客互動的基礎上完成交易的。因此從房東角度來看，其信任對象包括平臺和房客[23]。其中，房東對平臺的信任是指房東相信共享住宿平臺會誠實、可靠地制定并執(zhí)行適當?shù)囊?guī)則和處罰，以限制房客在平臺上的機會主義行為[10]；房東對房客的信任是指房東對房客的仁慈、正直、能力等信任屬性的感知[32]。根據(jù)信任轉(zhuǎn)移理論，當目標對象與信任源對象相關聯(lián)時，委托人對信任源對象的信任可轉(zhuǎn)移到對未知的目標對象的信任[51]。由此，我們可認為，由于房客與共享住宿平臺存在密切關聯(lián)，房東對共享住宿平臺的信任可能轉(zhuǎn)移到對平臺上房客的信任。具體來講，若房東相信共享住宿平臺是可靠的，則傾向于認為平臺會制定適當?shù)囊?guī)則來管理和約束房客的機會主義行為，將一些可信度較低的潛在房客排除在外，從而增加房東對共享住宿平臺房客的信任[52]。

由是，本文提出如下假設：

H8：房東對平臺的信任正向影響房東對房客的信任

2.2.4? ? 信任的中介作用

信任的中介作用在諸多文獻中得到驗證。McKnight等通過構(gòu)建電子商務信任建立模型證實，消費者對電子供應商的信任會在網(wǎng)站的結(jié)構(gòu)保障、聲譽、質(zhì)量等因素與購買意愿之間起到中介作用[8]。在共享住宿情境中，Mao等在電子商務信任建立模型的基礎上，構(gòu)建了共享住宿中的信任模型，通過對前一年使用過Airbnb平臺的美國旅游者的調(diào)研，證實了房客對房東的信任部分中介了平臺信任和重復購買意愿之間的關系[22]。Lu等采用標準化的實驗方法驗證了共享住宿房客對房東信任的中介作用，結(jié)果表明，房客對房東的信任在客主初始互動與轉(zhuǎn)換意愿之間發(fā)揮中介作用[50]。

由是，本文提出如下假設：

H9：房東對平臺的信任在房東對平臺信任的影響因素和房東持續(xù)使用平臺意愿的關系中起中介作用

H10：房東對房客的信任在房東對房客信任的影響因素和房東持續(xù)使用平臺意愿的關系中起中介作用

3 研究設計

本文采用問卷調(diào)查法收集數(shù)據(jù)。具體研究過程如下：量表開發(fā)和問卷設計；通過小范圍的預調(diào)研修正初始問卷，并在此基礎上形成正式問卷；對共享住宿平臺的房東開展問卷調(diào)查；對問卷數(shù)據(jù)進行共同方法偏差檢驗、描述性統(tǒng)計分析、信度和效度分析、回歸分析、中介效應檢驗，驗證研究假設是否成立。

3.1 問卷設計

問卷包含4個部分。第一部分為調(diào)研說明，介紹調(diào)研背景、目的及共享住宿平臺的概念。第二部分為篩選題，為了更精準地找到共享住宿平臺的房東這一樣本群體，特設置4道篩選題。第三部分為變量測量量表，此部分所有題項均采用Likert 7級量表，1代表非常不同意，7代表非常同意。第四部分為受訪者的人口統(tǒng)計學特征，包括房東的性別、年齡、學歷、身份和經(jīng)營時長。

變量測量量表中，除安全保障和平臺服務外，其他均根據(jù)國外文獻中使用過的成熟量表和問項進行測量。其中，熟悉度的4個測量題項來自Mittendorf[29]的研究，用以測量房東對共享住宿平臺網(wǎng)站界面、功能、服務、交易流程等的了解程度。隱私保護的4個測量題項來自Mao等[22]的研究，用以測量房東對共享住宿平臺的隱私政策能否有效保護房東個人信息免遭泄露可能性的感知[33]。感知易用性的4個測量題項來自Kucukusta等[53]的研究，用以測量房東學會在平臺上出租房屋的難易程度的感知。感知有用性的4個測量題項來自Kucukusta等[53]的研究，用以測量房東對使用共享住宿平臺提高其房源出租效率程度的感知。房客聲譽的4個測量題項來自Yang等[19]的研究，用以測量房東對房客聲譽質(zhì)量的感知。感知相似性的4個測量題項來自Lu等[43]的研究，用以測量房東對房客是否具有和自己相似的個人特征的感知?；有缘?個測量題項來自Yang等[19]的研究，用以測量房東對在共享住宿平臺上與房客的互動過程中所產(chǎn)生的情感評估。房東對平臺信任的3個測量題項來自Hong和Cho[13]的研究，用以測量房東對共享住宿平臺總體信任的感知。房東對房客信任的3個測量題項來自Hong和Cho[13]的研究，用以測量房東對共享住宿平臺上房客群體總體信任的感知。房東持續(xù)使用平臺意愿的3個測量題項來自Yang等[19]的研究，用以測量房東持續(xù)使用共享住宿平臺的意愿。

本文借鑒相關文獻開發(fā)了安全保障變量量表，并獨立開發(fā)了平臺服務變量量表。安全保障變量量表的開發(fā)過程如下：首先，在深入閱讀文獻的基礎上，確定借鑒電子商務文獻中的結(jié)構(gòu)保障[35]、感知安全[33]量表擬定題項（主要包含安全支付和網(wǎng)站擔保）；其次，為使量表題項更加契合共享住宿情境，對第三方評論網(wǎng)站Trustpilot上Airbnb房東的747條評論內(nèi)容進行詞頻分析，初步確定影響房東信任的安全保障因素；再次，對共享住宿平臺的10位個人房東進行訪談，進一步提煉影響房東信任的安全保障因素，最終將房客身份驗證、第三方擔保支付系統(tǒng)、房東保證金計劃和保險、安全的交易環(huán)境4個題項納入安全保障量表，用以測量房東對共享住宿平臺能否提供安全可靠的交易環(huán)境的感知。平臺服務變量尚無可資借鑒的文獻，其量表開發(fā)過程如下：首先，通過對房東評論內(nèi)容的詞頻分析，確定影響房東信任的平臺服務因素（主要包括快速響應能力、個性化服務能力），而后對房東進行訪談，最終將專業(yè)服務、快速響應、個性化服務、誠信服務4個題項納入平臺服務量表，用以測量房東對共享住宿平臺提供的總體服務支持的感知。

為提高量表的信度和效度，研究中特作如下安排：首先，采用翻譯和反向翻譯的方法確保量表措辭的準確性；其次，邀請3位旅游管理專業(yè)的導師和5位博士生對量表的邏輯性、全面性和題項之間的非重合性進行檢查，并根據(jù)其意見對量表進行完善；最后，形成初始問卷，在正式調(diào)研之前選擇小規(guī)模樣本進行預調(diào)研。2021年12月，通過在共享住宿平臺的百度貼吧、共享住宿平臺房東的微信群、QQ群中發(fā)送問卷鏈接，共收集到有效問卷150份。數(shù)據(jù)分析結(jié)果顯示，預調(diào)研問卷中12個變量的Cronbachs α系數(shù)處于0.832～0.934之間，均大于0.7的標準，修正后的項與總計相關性（corrected item-total correlation， CITC）值在0.630～0.894之間，均大于0.4的標準，12個變量各題項的項刪除后Cronbachs α系數(shù)均小于各變量的Cronbachs α系數(shù)，通過了信度檢驗。效度分析方面，熟悉度、隱私保護、感知易用性、感知有用性、房客的聲譽、感知相似性、互動性、對平臺的信任、對房客的信任、持續(xù)使用意愿10個變量的各題項是在借鑒國外文獻成熟量表的基礎上開發(fā)而成的，因此具有較好的內(nèi)容效度。本文自行開發(fā)的安全保障、平臺服務量表探索性因子分析的結(jié)果與預期一致。綜上，預調(diào)研的量表可用于下一階段的正式調(diào)研。

3.2 數(shù)據(jù)收集

在預調(diào)研基礎上，確定正式調(diào)研問卷的量表內(nèi)容，共包含熟悉度、安全保障、隱私保護、平臺服務、感知易用性、感知有用性、房客的聲譽、感知相似性、互動性、對平臺的信任、對房客的信任、持續(xù)使用意愿12個變量。每個變量下設3～4個題項，共包含45個題項。正式調(diào)查與預調(diào)查的調(diào)查對象均為共享住宿平臺（具體涉及Airbnb、途家、小豬民宿、木鳥民宿、美團民宿等）的房東。2022年1月，通過蜂鳥問卷收集數(shù)據(jù)，共收到有效問卷900份，問卷數(shù)量達到了Mundfrom等[54]所建議的標準。

從樣本結(jié)構(gòu)來看，參與正式調(diào)查的900名房東群體中，男性449人，女性451人，男女比例均衡；年齡方面，31～45歲的房東共計800人，占88.9%；學歷方面，擁有本科學歷的房東共計816人，占90.7%；房東身份方面，兼職房東共計702人，占78.0%，專職房東共計198人，占22.0%；經(jīng)營時長方面，經(jīng)營時長在1年及以下的房東共計4人，占0.4%，經(jīng)營時長在1～2年的房東共計78人，占8.7%，經(jīng)營時長在2年及以上的房東共計818人，占90.9%。此次調(diào)研的樣本統(tǒng)計特征與國家信息中心發(fā)布的《中國共享住宿發(fā)展報告2018》中的房東樣本特征基本吻合。

4 數(shù)據(jù)分析

本文采用SPSS 26.0和AMOS 24.0軟件進行數(shù)據(jù)分析。前者主要用于樣本的描述性統(tǒng)計分析、數(shù)據(jù)的信度分析、模型的主效應和中介效應檢驗；后者用于數(shù)據(jù)的效度分析、共同方法偏差檢驗。

4.1 共同方法偏差的控制與檢驗

為降低數(shù)據(jù)收集過程中可能存在的共同方法偏差問題，本文特進行如下過程控制：首先，并未告知受訪者此次調(diào)研的精確主題；其次，采用匿名方式收集問卷；之后，采用Malhotra等[55]提出的單因子驗證性因子分析方法對共同方法偏差進行統(tǒng)計檢驗。結(jié)果如表1所示：χ2/df=24.539，RMSEA=0.162，SRMR=0.1409，NFI=0.432，RFI=0.405，IFI=0.443，TLI=0.415，CFI=0.442，單因子模型的擬合效果很不理想。因此，樣本數(shù)據(jù)不存在嚴重的共同方法偏差問題。

4.2 信度和效度分析

本文采用Cronbachs α系數(shù)對正式調(diào)研數(shù)據(jù)的信度進行檢驗。檢驗結(jié)果如表2所示，12個變量的Cronbachs α系數(shù)處于0.853～0.956之間，均大于0.7的標準，說明各變量題項之間的內(nèi)部一致性較高，具有較高信度。

采用驗證性因子分析對量表的收斂效度和區(qū)分效度進行檢驗。驗證性因子模型的整體擬合結(jié)果如表1所示，χ2/df=的值為2.979，小于3；RMSEA為0.047，小于0.05；SRMR為0.0297，小于0.05；NFI為0.936，RFI為0.928，IFI為0.956，TLI為0.951，CFI為0.956，均大于0.90；驗證性因子模型的整體擬合度良好。收斂效度的檢驗結(jié)果如表2所示，12個變量所有題項的標準化因子載荷均在0.709以上，大于0.5，各個變量的組合信度均在0.857以上，大于0.7，平均方差萃取量均在0.601以上，大于0.5。3個指標均達到了Bagozzi[56]和Segars[57]所建議的收斂效度判斷標準要求，可見，本文的問卷量表具有良好的收斂效度。區(qū)分效度的檢驗結(jié)果如表3所示，12個變量的平均方差萃取量的平方根均大于對應變量間的相關系數(shù)，達到了Bagozzi[56]所建議的區(qū)分效度判斷標準要求，可見，本文的問卷量表具有良好的區(qū)分效度。

從相關系數(shù)的輸出結(jié)果來看，安全保障、隱私保護、平臺服務、感知易用性、感知有用性分別與對平臺的信任之間具有顯著的相關性，房客的聲譽、感知相似性、互動性、對平臺的信任分別與對房客的信任之間具有顯著的相關性，對平臺的信任、對房客的信任分別與持續(xù)使用意愿之間具有顯著的相關性，可進一步做回歸分析。

4.3 主效應檢驗

采用回歸分析對主效應進行檢驗。多重共線性的檢驗結(jié)果顯示，各變量的方差膨脹系數(shù)（variance inflation factor， VIF）均小于5，表明不存在嚴重的多重共線性問題。回歸分析的檢驗結(jié)果如表4所示。安全保障（β=0.068，p＜0.05）、隱私保護（β=0.170，p＜0.001）、平臺服務（β=0.087，p＜0.05）、感知易用性（β=0.183，p＜0.001）、感知有用性（β=0.271，p＜0.001）對平臺信任有顯著正向影響，熟悉度不會對平臺信任產(chǎn)生顯著影響（β=-0.025，p＞0.05）。因此，H1a、H1b、H1c、H2a、H2b得到支持，H5未得到支持。房客聲譽（β=0.182，p＜0.001）、互動性（β=0.256，p＜0.001）、平臺信任（β=0.542，p＜0.001）對房東對房客的信任產(chǎn)生顯著影響，感知相似性（β=0.028，p＞0.05）不會對房東對房客的信任產(chǎn)生顯著影響。因此，H6a、H7、H8得到支持，H6b未得到支持。房東對平臺的信任（β=0.326，p＜0.001）、房東對房客的信任（β=0.191，p＜0.001）會對房東持續(xù)使用平臺的意愿產(chǎn)生顯著影響。H3、H4得到支持。

4.4 中介效應檢驗

采用SPSS 26.0中的PROCESS宏程序，將放回抽樣次數(shù)設置為 5000，置信區(qū)間設置為95%，在控制房東的性別、年齡、學歷、身份、經(jīng)營時長的基礎上，對房東對平臺信任和房客信任的中介效應進行Bootstrapping檢驗，檢驗結(jié)果如表5所示。在“經(jīng)驗因素→房東對平臺的信任→持續(xù)使用意愿”路徑中，中介效應95%的置信區(qū)間為（-0.0444，0.0138），包含0，說明不存在中介效應。在“制度因素→房東對平臺的信任→持續(xù)使用意愿”路徑中，總效應95%的置信區(qū)間為（0.0270，0.3460），不包括0。直接效應95%的置信區(qū)間為（-0.1062，0.1946），包括0。中介效應95%的置信區(qū)間為（0.0801，0.2044），不包括0。因此，房東對平臺的信任在制度因素和房東持續(xù)使用平臺意愿之間的中介效應顯著。在“技術因素→房東對平臺的信任→持續(xù)使用意愿”路徑中，總效應95%的置信區(qū)間為（0.2520，0.4860），不包括0。直接效應95%的置信區(qū)間為（0.0691，0.3171），不包括0。中介效應95%的置信區(qū)間為（0.1193，0.2396），不包括0。因此，房東對平臺的信任在技術因素和房東持續(xù)使用平臺意愿之間的中介效應顯著。H9得到部分支持。

在“認知因素→房東對房客的信任→持續(xù)使用意愿”路徑中，總效應95%的置信區(qū)間為（0.0660，0.3040），不包括0。直接效應95%的置信區(qū)間為（-0.0468，0.1834），包括0。中介效應95%的置信區(qū)間為（0.0702，0.1706），不包括0。因此，房東對房客的信任在認知因素和房東持續(xù)使用平臺意愿之間的中介效應顯著。在“情感因素→房東對房客的信任→持續(xù)使用意愿”路徑中，總效應95%的置信區(qū)間為（0.2580，0.3970），不包括0。直接效應95%的置信區(qū)間為（0.0698，0.2489），不包括0。中介效應95%的置信區(qū)間為（0.1121，0.2273），不包括0。因此，房東對房客的信任在情感因素和房東持續(xù)使用平臺意愿之間的中介效應顯著。H10得到支持。

5 研究結(jié)論與啟示

5.1 研究結(jié)論

本文以信任建立模型為基礎，結(jié)合共享住宿P2P的特征，構(gòu)建了共享住宿平臺房東信任建立機制理論框架，并通過實證研究得出如下結(jié)論。

其一，平臺因素中的制度因素和技術因素均顯著正向影響房東對平臺的信任，但影響程度存在差異。從標準化回歸系數(shù)來看，技術因素的影響程度大于制度因素。這與Wang等[4]的研究一致，在其研究中，技術支持對房東信任的影響最大。具體地，在技術因素中，感知有用性影響程度最大，其次是感知易用性?？梢?，房東在使用共享住宿平臺過程中，最關注的是平臺提供的技術支持系統(tǒng)能否提高其房屋出租效率，其次是房東使用技術支持系統(tǒng)學會在平臺上出租房屋的難易程度。在制度因素中，隱私保護的影響程度最大，平臺服務和安全保障的影響程度次之。相較于房客而言，房東在注冊和登記房源信息時，需提供諸如電話號碼、家庭住址、身份證、銀行賬戶等個人信息，因此房東更關注平臺對隱私信息的保護措施。Wang等[4]、Yang等[19]在對共享住宿用戶信任進行研究時也得出了類似的結(jié)論。此外，若共享住宿平臺的保障措施能真實有效地保障房東權(quán)益，且在房東權(quán)益受損時能提供及時有效的解決方案，則會顯著增加房東對平臺的信任。

其二，房客因素中的聲譽和互動性顯著正向影響房東對房客的信任，其中，互動性的影響程度最大。這說明，房東將自己的房源出租給作為陌生人的房客是需要承擔較大風險的，若房客在入住過程中能與房東保持積極互動，將有助于增加房東對房客的信任。房客聲譽的影響次之。在買賣雙方信息不對稱的情況下，房東通過對房客聲譽質(zhì)量的評估形成基于認知的信任，聲譽評價高的房客入住期間更容易遵守房屋守則、愛護房源設施和物品，房東的感知信任也較高。Zhang等[20]、Ert等[27]的研究也證實了聲譽對房客信任的積極影響。

其三，房東因素中的熟悉度和房客因素中的感知相似性并未對房東信任產(chǎn)生積極影響。這與Mittendorf[29]、Edelman等[46]、Su和Mattila[47]的研究結(jié)論相反。一個可能的解釋是，與國外共享住宿業(yè)相比，國內(nèi)共享住宿業(yè)的發(fā)展有其獨特性。如房東通常在不同的共享住宿平臺同時上線房源，熟悉度只是增加了房東對共享住宿平臺的了解程度，是否對平臺信任產(chǎn)生影響還取決于房東過去使用平臺的體驗質(zhì)量。感知相似性并未對房東信任產(chǎn)生積極影響，這與國內(nèi)共享住宿業(yè)“重住宿、輕分享”的經(jīng)營現(xiàn)狀有關。國內(nèi)共享住宿平臺的房東大多選擇以整套出租的方式出租房源，房東和房客共處一室的機會較少，房東對感知相似性的關注也會隨之降低。

其四，房東對平臺的信任和對房客的信任顯著正向影響房東持續(xù)使用平臺的意愿。這與Mittendorf[29]的研究結(jié)論一致，說明信任通過降低房東的感知風險和不確定性，從而對房東持續(xù)使用平臺的意愿產(chǎn)生了積極影響。從標準化回歸系數(shù)來看，房東對平臺信任的影響效果大于房東對房客信任的影響效果，說明房東對平臺的信任是影響房東持續(xù)使用平臺意愿的重要因素。

其五，房東對平臺的信任可轉(zhuǎn)移到房東對房客的信任。這說明，當房東對共享住宿平臺產(chǎn)生信任時，他們更傾向于認為平臺已經(jīng)通過制度或技術保障因素對房客進行了有效篩選和約束，降低了房東在出租房源過程中的感知不確定性，從而也對房客產(chǎn)生信任。

其六，信任中介了信任影響因素（制度因素、技術因素、認知因素、情感因素）與房東持續(xù)使用平臺意愿之間的關系。這說明，制度因素、技術因素、認知因素、情感因素通過促進房東的信任降低了房東的感知風險，進而對房東持續(xù)使用平臺意愿產(chǎn)生積極影響。

5.2 管理啟示

就共享住宿平臺而言，有效獲取房東信任、增加房源供應量是其提升競爭力的關鍵所在，而作為陌生人的房客要提升預訂請求被接受的概率也要獲取房東的信任。本文研究結(jié)論對此具有啟示意義。

對于共享住宿平臺而言，可從制度和技術兩個方面著力。一是重視制度因素對房東信任的影響作用，并從隱私保護、平臺服務和安全保障等方面完善平臺的制度保障措施，切實保障房東的權(quán)益。共享住宿平臺可采用先進的網(wǎng)絡安全技術（防火墻、加密和訪問控制等）確保房東個人信息的安全性，加大對服務支持的投入，確保線上第一時間響應房東的需求，線下提供采購安裝服務、房客接待以及退房后的保潔服務等，進一步擴大房東保障金和財產(chǎn)保險的保障范圍并完善房東申請賠償?shù)某绦虻取６侵匾暭夹g因素對房東信任的影響作用，從感知易用性、感知有用性方面提升房東的信任度。共享住宿平臺可通過簡潔方便的搜索功能、設計合理的導航功能、形式多樣的信息展示，指導潛在房東如何在平臺上發(fā)布房源和管理房源，增加房東的感知易用性；也可通過新技術的開發(fā)不斷更新和完善網(wǎng)站的功能設計（如即時速訂功能、日歷管理功能、定價指導功能、經(jīng)營數(shù)據(jù)管理功能等），為房東更有效地出租房源提供幫助，增加房東的感知有用性。

對于作為陌生人的房客來講，要重視聲譽質(zhì)量和互動性對房東信任的影響。房客可通過完善個人主頁信息，入住前按照房東要求提供身份驗證；入住期間遵守房東制定的房屋守則，通過愛護房源設施和物品等方式獲得較高的聲譽評價；入住過程中出現(xiàn)問題時，及時與房東溝通，增強與房東的互動。這些將有助于增加房東對房客的信任，從而降低未來預訂請求被拒絕的可能性。

5.3 進一步討論

經(jīng)過十多年的發(fā)展，我國共享住宿業(yè)正經(jīng)歷由追求“量”到重視“質(zhì)”的轉(zhuǎn)變。不可否認的是，房源量仍是評價共享住宿平臺發(fā)展水平的重要指標之一。因此，如何消除房東的信任障礙、吸引更多房東、增加房源供應量對共享住宿平臺的發(fā)展尤為重要。本文在以平臺因素作為主要影響因素的信任建立模型基礎上，加入反映共享住宿買賣雙方高交互性特征的房東因素（熟悉度）和房客因素（聲譽、感知相似性、互動性），以“信任影響因素-房東信任-持續(xù)使用平臺意愿”為邏輯，構(gòu)建共享住宿房東信任建立的理論框架。研究成果響應了Su和Mattila[47]、Agag和Eid[58]、Li和Tsai[59]等從房東端審視共享住宿信任問題的呼吁，拓展了共享住宿用戶信任研究的視角，彌補了現(xiàn)有文獻對房東信任研究的不足。與此同時，本文也進一步拓展了信任建立模型，突破以往單純從平臺因素解釋信任行為的局限，為進一步剖析房東信任建立的內(nèi)在機理提供了研究思路和實證支持。

值得注意的是，對于“讓陌生人住進家”的房東來講，其信任的建立是一個復雜的決策過程，由于篇幅和研究重點所限，本文對這一問題的研究仍有局限，未來可從以下方面持續(xù)關注。首先，信任在本質(zhì)上是隨時間變化的、復雜的動態(tài)認知過程。對于房東而言，在線上交易階段和房源出租階段，信任的影響因素是不同的。本文收集的數(shù)據(jù)為集中于一個時間段的截面數(shù)據(jù)，尚未對處于不同階段的房東信任進行動態(tài)研究，未來可使用實驗法、文本分析法、訪談法等，收集不同時間點的縱向數(shù)據(jù)，進一步分析共享住宿房東信任建立的動態(tài)過程。其次，本文采用問卷分析法，探討了虛擬情境中房東信任的建立機制，將房東持續(xù)使用平臺的意愿作為房東實際使用行為的代理變量。未來可采用大數(shù)據(jù)分析法搜集共享住宿平臺的客觀數(shù)據(jù)，探討真實情境中影響房東信任的主要因素，以及信任對房東持續(xù)使用共享住宿平臺出租房源行為的影響。最后，根據(jù)房東和房客之間的互動形式，共享住宿平臺一般分為免費型、互惠型和租賃型等類型。本文主要研究在租賃型平臺出租自有房源的個人房東的信任建立機制，并未涉及職業(yè)房東?？紤]到中國情境的特殊性，以途家等為代表的租賃型平臺中，職業(yè)房東的比例逐步上升，未來可進一步研究職業(yè)房東和個人房東信任建立機制的差異，也可將研究范圍擴大至免費型和互惠型平臺。

參考文獻（References）

[1] 國家信息中心. 中國共享住宿發(fā)展報告2018[EB/OL]. [2021-12-20]. http：//www.sic.gov.cn/News/568/9241.htm. [National Information Center. China report on sharing accommodation development 2018[EB/OL]. [2021-12-20]. http：//www.sic.gov.cn/News/568/9241.htm.]

[2] STHAPIT E， BJORK P. Sources of distrust： Airbnb guests perspectives[J]. Tourism Management Perspectives， 2019， 31： 245-253.

[3] 張闖， 郝凌云. 交易型數(shù)字平臺中的信任： 研究現(xiàn)狀與展望[J]. 經(jīng)濟管理， 2022， 44（8）： 190-208. [ZHANG Chuang， HAO Lingyun. Trust in transactional digital platforms： Literature review and future prospects[J]. Business and Management Journal， 2022， 44（8）： 190-208.]

[4] WANG Y， ASAAD Y， FILIERI R. What makes hosts trust Airbnb？ Antecedents of hosts trust toward Airbnb and its impact on continuance intention[J]. Journal of Travel Research， 2020， 59（4）： 686-703.

[5] ALDRIDGE A， WHITE M， FORCHT K. Security considerations of doing business via the Internet： Cautions to be considered[J]. Internet Research， 1997， 7（1）： 9-15.

[6] 徐峰， 張新， 梁乙凱， 等. 信任構(gòu)建機制對共享民宿預訂量的影響——基于Airbnb的實證研究[J]. 旅游學刊， 2021， 36（12）： 127-139. [XU Feng， ZHANG Xin， LIANG Yikai， et al. The effects of trust-building mechanisms on peer-to-peer accommodation booking： An empirical study on Airbnb[J]. Tourism Tribune， 2021， 36（12）： 127-139.]

[7] MAYER R C， DAVIS J H， SCHOORMAN F D. An integrative model of organizational trust[J]. Academy of Management Review， 1995， 20（3）： 709-734.

[8] MCKNIGHT D H， CHOUDHURY V， KACMAR C. The impact of initial consumer trust on intentions to transact with a web site： A trust building model[J]. The Journal of Strategic Information Systems， 2002， 11（3/4）： 297-323.

[9] WANG S， BEATTY S E， FOXX W. Signaling the trustworthiness of small online retailers[J]. Journal of Interactive Marketing， 2004， 18（1）： 53-69.

[10] PAVLOU P A， GEFEN D. Building effective online marketplaces with institution-based trust[J]. Information Systems Research， 2004， 15（1）： 37-59.

[11] CHEN X， HUANG Q， DAVISON R M， et al. What drives trust transfer？ The moderating roles of seller-specific and general institutional mechanisms[J]. International Journal of Electronic Commerce， 2015， 20（2）： 261-289.

[12] KIM D J， FERRIN D L， RAO H R. Trust and satisfaction， two stepping stones for successful e-commerce relationships： A longitudinal exploration[J]. Information Systems Research， 2009， 20（2）： 237-257.

[13] HONG I B， CHO H. The impact of consumer trust on attitudinal loyalty and purchase intentions in B2C e-marketplaces： Intermediary trust vs. seller trust[J]. International Journal of Information Management， 2011， 31（5）： 469-479.

[14] KANG M， GAO Y， WANG T， et al. Understanding the determinants of funders investment intentions on crowdfunding platforms[J]. Industrial Management & Data Systems， 2016， 116（8）： 1800-1819.

[15] KIM M J， BONN M， LEE C K. The effects of motivation， deterrents， trust， and risk on tourism crowdfunding behavior[J]. Asia Pacific Journal of Tourism Research， 2019， 25（3）： 244-260.

[16] GUO J， LIN J， LI L. Building users intention to participate in a sharing economy with institutional and calculative mechanisms： An empirical investigation of Didi in China[J]. Information Technology for Development， 2021， 27（4）： 645-669.

[17] MALLAPRAGADA G， GREWAL R， MEHTA R， et al. Virtual interorganizational relationships in business-to-business electronic markets： heterogeneity in the effects of organizational interdependence on relational outcomes[J]. Journal of the Academy of Marketing Science， 2015， 43（5）： 610-628.

[18] CHEN J， ZHANG C， XU Y. The role of mutual trust in building members loyalty to a C2C platform provider[J]. International Journal of Electronic Commerce， 2009， 14（1）： 147-171.

[19] YANG S B， LEE K， LEE H， et al. In Airbnb we trust： Understanding consumers trust-attachment building mechanisms in the sharing economy[J]. International Journal of Hospitality Management， 2018， 83： 198-209.

[20] ZHANG L， YAN Q， ZHANG L. A computational framework for understanding antecedents of guests perceived trust towards hosts on Airbnb[J]. Decision Support Systems， 2018， 115： 105-116.

[21] MOHLMANN M. Digital trust and peer-to-peer collaborative consumption platforms： A mediation analysis[R]. Leonard N. Stern School of Business， New York University， New York. DOI： 10.2139/ssrn.2813367.

[22] MAO E， JONES M F， LI M， et al. Sleeping in a strangers home： A trust formation model for Airbnb[J]. Journal of Hospitality and Tourism Management， 2019， 42： 67-76.

[23] HAN H， KOO C， CHUNG N. Implication of the fit between Airbnb and host characteristics： A trust-transfer perspective[C]//Proceedings of the 18th Annual International Conference. New York： 2016： 1-6.

[24] 謝雪梅， 石嬌嬌. 共享經(jīng)濟下消費者信任形成機制的實證研究[J]. 技術經(jīng)濟， 2016， 35（10）： 122-127. [XIE Xuemei， SHI Jiaojiao. Empirical research on formation mechanism of consumer trust in sharing economy[J]. Technology Economics， 2016， 35（10）： 122-127.]

[25] 石巋然， 趙銀龍， 宋穗. 共享平臺服務需求者信任演化的影響因素[J]. 中國流通經(jīng)濟，2020， 34（7）： 68-78. [SHI Kuiran， ZHAO Yinlong， SONG Sui. Analysis on factors influencing trust evolution of sharing economy platform service users[J]. China Business and Market， 2020， 34（7）： 68-78.]

[26] WU J， MA P， XIE K L. In sharing economy we trust： The effects of host attributes on short-term rental purchases[J]. International Journal of Contemporary Hospitality Management， 2017， 29（11）： 2962-2976.

[27] ERT E， FLEISCHER A， MAGEN N. Trust and reputation in the sharing economy： The role of personal photos in Airbnb[J]. Tourism Management， 2016， 55： 62-73.

[28] ERT E， FLEISCHER A. The evolution of trust in Airbnb： A case of home rental[J]. Annals of Tourism Research， 2019， 75： 279-287.

[29] MITTENDORF C. What trust means in the sharing economy： A provider perspective on Airbnb[C]//Proceedings of the Twenty-second Americas Conference on Information Systems. San Diego， 2016： 1-10.

[30] KIM M S， AHN J H. Management of trust in the e-marketplace： The role of the buyers experience in building trust[J]. Journal of Information Technology， 2007， 22（2）： 119-132.

[31] MOYSIDOU K， HAUSBERG J P. In crowdfunding we trust： A trust-building model in lending crowdfunding[J]. Journal of Small Business Management， 2020， 58（3）： 511-543.

[32] MCKNIGHT D H， CHERVANY N L. What trust means in e-commerce customer relationships： An interdisciplinary conceptual typology[J]. International Journal of Electronic Commerce， 2001， 6（2）： 35-59.

[33] KIM D J， FERRIN D L， RAO H R. A trust-based consumer decision-making model in electronic commerce： The role of trust， perceived risk， and their antecedents[J]. Decision Support Systems， 2008， 44（2）： 544-564.

[34] DAVIS F D. Perceived usefulness， perceived ease of use， and user acceptance of information technology[J]. MIS Quarterly， 1989， 13（3）： 319-340.

[35] GEFEN D， STRAUB K D W. Trust and TAM in online shopping： An integrated model[J]. MIS Quarterly， 2003， 27（1）： 51-90.

[36] WU I L， CHEN J L. An extension of trust and TAM model with TPB in the initial adoption of on-line tax： An empirical study [J]. International Journal of Human-Computer Studies， 2005， 62（6）： 784-808.

[37] CARLOS F， MIGUEL G， GURREA R. The role played by perceived usability， satisfaction and consumer trust on website loyalty[J]. Information & Management， 2006， 43（1）： 1-14.

[38] GEFEN D. E-commerce： The role of familiarity and trust[J]. Omega， 2000， 28（6）： 725-737.

[39] BHATTACHERJEE A. Individual trust in online firms： Scale development and initial test[J]. Journal of Management Information Systems， 2002， 19（1）： 211-241.

[40] KOMIAKS Y X， BENBASAT I. The effects of personalization and familiarity on trust and adoption of recommendation agents[J]. MIS Quarterly， 2006， 30（4）： 941-960.

[41] LEWIS J D， WEIGERT A. Trust as a social reality[J]. Social Forces， 1985， 63（4）： 967-985.

[42] JOHNSON D， GRAYSON K. Cognitive and affective trust in service relationships[J]. Journal of Business Research， 2005， 58（4）： 500-507.

[43] LU Y， ZHAO L， WANG B. From virtual community members to C2C e-commerce buyers： Trust in virtual communities and its effect on consumers purchase intention[J]. Electronic Commerce Research & Applications， 2010， 9： 346-360.

[44] MCALLISTER D J. Affect- and Cognition-based trust as foundations for interpersonal cooperation in organizations[J]. Academy of Management Journal， 1995， 38（1）： 24-59.

[45] LAMBERTON C P， ROSE R L. When is ours better than mine？ A framework for understanding and altering participation in commercial sharing systems[J]. Social Science Electronic Publishing， 2011， 76（4）： 109-125.

[46] EDELMAN B， LUCA M， SVIRSKY D. Racial discrimination in the sharing economy： Evidence from a field experiment[J]. American Economic Journal Applied Economics， 2017， 9（2）： 1-22.

[47] SU N， MATTILA A S. Does gender bias exist？ The impact of gender congruity on consumers Airbnb booking intention and the mediating role of trust[J]. International Journal of Hospitality Management， 2019， 89： 1-7.

[48] SWIFT P E， HWANG A. The impact of affective and cognitive trust on knowledge sharing and organizational learning[J]. The Learning Organization， 2013， 20（1）： 20-37.

[49] GONG X， ZHANG K Z K， CHEN C， et al. What drives trust transfer from web to mobile payment services？ The dual effects of perceived entitativity[J]. Information & Management， 2020， 57（7）： 1-57.

[50] LU L， CAI R， KING C. Building trust through a personal touch： Consumer response to service failure and recovery of home-sharing[J]. Journal of Business Research， 2020， 117： 99-111.

[51] SIA C L， LIM K H， LEUNG K， et al. Web strategies to promote internet shopping： Is cultural-customization needed？[J]. MIS Quarterly， 2009， 33（3）： 491-512.

[52] XIAO L， MI C， ZHANG Y， et al. Examining consumers behavioral intention in O2O commerce from a relational perspective： An exploratory study[J]. Information Systems Frontiers， 2019， 21（5）： 1045-1068.

[53] KUCUKUSTA D， LAW R， BEABES A， et al. Re-examining perceived usefulness and ease of use in online booking： The case of Hong Kong online users[J]. International Journal of Contemporary Hospitality Management， 2015， 27（2）： 185-198.

[54] MUNDFROM D J， SHAW D G， KE T L. Minimum sample size recommendations for conducting factor analyses[J]. International Journal of Testing， 2005， 5（2）： 159-168.

[55] MALHOTRA N K， KIM S S， PATIL A. Common method variance in IS research： A comparison of alternative approaches and a reanalysis of past research[J]. Management Science， 2006， 52（12）： 1865-1883.

[56] BAGOZZI R P. Evaluating structural equation models with unobservable variables and measurement error： A comment[J]. Journal of Marketing Research， 1981， 18（3）： 375-381.

[57] SEGARS A H. Assessing the unidimensionality of measurement： A paradigm and illustration within the context of information systems research[J]. Omega， 1997， 25（1）： 107-121.

[58] AGAG G， EID R. Examining the antecedents and consequences of trust in the context of peer-to-peer accommodation[J]. International Journal of Hospitality Management， 2019， 81： 180-192.

[59] LI C Y， TSAI M C. What makes guests trust Airbnb？ Consumer trust formation and its impact on continuance intention in the sharing economy[J]. Journal of Hospitality and Tourism Management， 2022， 50： 44-54.

Research on the Hosts Trust-building Mechanism in Peer-to-Peer

Sharing Accommodation Platforms

NIU Ruanxia1， SONG Rui2，3， MAO Lijuan4

（1. Department of Resource Management， Tangshan Normal University， Tangshan 063000， China;

2. Business School， University of Chinese Academy of Social Sciences， Beijing 102488， China;

3. China National Academy of Economic Strategy， Chinese Academy of Social Sciences， Beijing 100006， China;

4. Research Institute for Eco-civilization， Chinese Academy of Social Sciences， Beijing 100710， China）

Abstract： Airbnb has used the slogan， “Trust is what makes it work.” Trust is a key factor in connecting the supply and demand sides of peer to peer （P2P） sharing accommodation and facilitating transactions， a typical two-sided market. Trust， therefore， plays an important role in the sharing accommodation industrys development. However， the existing literature pays greater attention to guests trust from the demand-side perspective， while largely ignoring hosts trust from the supply-side perspective. Amid intensifying industry competition， P2P accommodation platforms are increasingly realizing that attracting more hosts and increasing the supply of listings is the driving force for a platforms sustainable development. Hosts trust， therefore， needs to be explored from the supply-side perspective， to remove hosts trust barrier and increase their willingness to participate in P2P sharing accommodation. Based on the trust-building model， this study aimed to explore the hosts trust-building mechanism in P2P sharing accommodation platforms from the supply-side perspective. It then examined the main factors affecting the building of hosts trust and the impact of such trust on hosts willingness to continue using a platform. Data were collected via a questionnaire surveying 900 hosts on P2P sharing accommodation platforms. AMOS and SPSS software were used for regression analysis and a mediation effect test. The results suggest as the following. （1） Among the platform factors， both institutional and technical factors have a significant positive impact on hosts trust in the platform， but the degree of impact differs. Perceived usefulness has the greatest impact， followed by ease of use， privacy protection， platform service， and security assurance. （2） Perceived familiarity of the host as a factor does not significantly affect hosts trust in the platform. （3） Interactivity and the guests reputation as factors have a significant positive impact on the hosts trust in the guest， while perceived similarity has no positive impact. （4） The hosts trust in the platform can be transferred to their trust in the guest. （5） The hosts trust in the platform and the guest have a significant positive impact on the hosts willingness to continue using the platform. （6） Trust mediates the relationship between trust-influencing factors （institutional， technical， cognitive， and emotional） and hosts willingness to continue using the platform. Theoretically， this study expands the perspective of user trust research in sharing accommodation and helps offset the shortcomings of the existing literature on hosts trust. Additionally， based on the trust-building model and with platform factors as the main influencing factors， this study added guest factors and a host factor， which reflect the high interaction characteristics of buyers and sellers involved in sharing accommodation. This overcomes the previous limitations of explaining trust behavior solely from platform factors and provides research ideas for further analyzing the mechanism of hosts trust building. Practically， this study can inform management of sharing accommodation platforms regarding effectively obtaining hosts trust and increasing the supply of listings. It also provides valuable advice and reference for guests to effectively obtain hosts trust， which increases the probability that booking requests will be accepted.

Keywords： peer-to-peer （P2P） accommodation; host; trust-building model （TBM）; trust-building mechanism

[責任編輯：周小芳；責任校對：鄭? ? 果]

［基金項目］本研究受唐山師范學院博士基金項目“旅游民宿共享平臺用戶信任的分階段演化機制研究”（2022A05）資助。[This study was supported by a grant from the Doctoral Fund Project of Tangshan Normal University （to NIU Ruanxia）（No. 2022A05）.]

［收稿日期］2022-05-04； ［修訂日期］2022-09-06

［作者簡介］牛阮霞（1986—），女，河南輝縣人，博士，講師，研究方向為共享經(jīng)濟和旅游者行為，E-mail：baiyun867@126.com；宋瑞（1972—），女，陜西西安人，博士，教授/研究員，研究方向為旅游產(chǎn)業(yè)與休閑經(jīng)濟、旅游政策，E-mail：songrui@cass.org.cn，通訊作者；毛麗娟（1989—），女，重慶人，博士后。

1謝青. 愛彼迎深耕6年后宣布退出中國大陸， 民宿市場“蛋糕”再劃分？[EB/ OL]. [2022-05-25]. http：//m.k618.cn/yc_new/yc_wzlb/202205/t20220525_18405995.html.

引用格式：牛阮霞， 宋瑞， 毛麗娟. 共享住宿平臺房東信任建立機制研究[J]. 旅游學刊， 2023， 38（8）： 62-76. [NIU Ruanxia， SONG Rui， MAO Lijuan. Research on the hosts trust-building mechanism in peer-to-peer sharing accommodation platforms[J]. Tourism Tribune， 2023， 38（8）： 62-76.]